Análisis de las condiciones favorables para la ocurrencia de incendios en el Perú para los años 2000 -2018
Contreras y Flores
July 16, 2021
Introducción
Los incendios forestales se han convertido en un problema ambiental de gran relevancia y gravedad en las últimas décadas; se presenta a nivel mundial sobre todo en los países con grandes extensiones de áreas forestales (Sabuco, 2013) como es el caso del Perú (FAO, 2004). El impacto de los incendios reduce la tasa de crecimiento de los bosques, genera muerte y migración de la fauna silvestre, pérdida de la biodiversidad, trasformación de los suelos e incremento de la erosión, contaminación del aire, reducción de servicios de regulación hídrica del ecosistema, mayor incidencia en derrumbes e inundaciones, incluso la aparición de plagas y enfermedades en los bosques debilitados por dichos incendios. (MINAM, 2019) En este análisis se evaluará la estacionalidad de las variables bioclimáticas que favorecen a la ocurrencia de incendios.
1. Identificación del problema
En los últimos años los incendios han impactado severamente varias regiones del Perú, como Cusco, Lambayeque, Piura y Cajamarca (INDECI, 2013; El Comercio, 2018), siendo muy perjudicial para un Perú que no está en condiciones de afrontar este tipo de emergencias al no tener una unidad especializada de respuesta ante Incendios (RPP, 2016).
1.1. Planteamiento del problema
1.2. Objetivos
1.2.1. Objetivo General
Analizar la estacionalidad de variables bioclimáticas en el marco del estudio de las condiciones favorables para la ocurrencia de incendios (CFOI).
1.2.2. Objetivos Específicos
- Analizar las variables climáticas (calidad de vegatción, temperatura y preciptación) de forma interestacional en las zonas CFOI
- Analizar el comportamiento estacional de las variables bioclimáticas con respecto a la altitud en las zonas CFOI.
1.3. Justificación
Las graves consecuencias que a todos los niveles (ecológico, económico, social y humano) pueden derivarse de un incendio forestal son razones suficientes para dedicar una atención especial a este fenómeno. El hombre ha desarrollado numerosos instrumentos y puesto en práctica diversos procedimientos para combatirlos. Este proyecto de investigación se justifica en la carencia de datos estadísticos relacionados al registro histórico de incendios y su distribución espacial, así como su relación con las condiciones favorables que se encuentran presentes en el momento de la aparición del incendio, aspecto que debe ser la base para el entendimiento de este fenómeno y de la generación de las políticas de Estado para atenderlo, desde una óptica de prevención y reducción del riesgo.
3. Marco Teórico
4. Área de estudio
5. Metodología
Nuestra metodología se resume en cuatro principales etapas, tal y como se describe en la siguiente figura:
library(dplyr)FALSE Warning: package 'dplyr' was built under R version 4.0.5FALSE
FALSE Attaching package: 'dplyr'FALSE The following objects are masked from 'package:stats':
FALSE
FALSE filter, lagFALSE The following objects are masked from 'package:base':
FALSE
FALSE intersect, setdiff, setequal, unionlibrary(ggplot2)FALSE Warning: package 'ggplot2' was built under R version 4.0.5library(tidyverse)FALSE Warning: package 'tidyverse' was built under R version 4.0.5FALSE -- Attaching packages --------------------------------------- tidyverse 1.3.1 --FALSE v tibble 3.1.2 v purrr 0.3.4
FALSE v tidyr 1.1.3 v stringr 1.4.0
FALSE v readr 1.4.0 v forcats 0.5.1FALSE Warning: package 'tibble' was built under R version 4.0.5FALSE Warning: package 'tidyr' was built under R version 4.0.5FALSE Warning: package 'readr' was built under R version 4.0.5FALSE Warning: package 'purrr' was built under R version 4.0.5FALSE Warning: package 'stringr' was built under R version 4.0.5FALSE Warning: package 'forcats' was built under R version 4.0.5FALSE -- Conflicts ------------------------------------------ tidyverse_conflicts() --
FALSE x dplyr::filter() masks stats::filter()
FALSE x dplyr::lag() masks stats::lag()library(sf)FALSE Warning: package 'sf' was built under R version 4.0.5FALSE Linking to GEOS 3.9.0, GDAL 3.2.1, PROJ 7.2.1library(rgee)FALSE Warning: package 'rgee' was built under R version 4.0.5library(mapedit)FALSE Warning: package 'mapedit' was built under R version 4.0.5library(raster)FALSE Warning: package 'raster' was built under R version 4.0.5FALSE Loading required package: spFALSE Warning: package 'sp' was built under R version 4.0.5FALSE
FALSE Attaching package: 'raster'FALSE The following object is masked from 'package:tidyr':
FALSE
FALSE extractFALSE The following object is masked from 'package:dplyr':
FALSE
FALSE selectlibrary(cptcity)FALSE Warning: package 'cptcity' was built under R version 4.0.5library(leaflet)FALSE Warning: package 'leaflet' was built under R version 4.0.5library(leaflet.extras)FALSE Warning: package 'leaflet.extras' was built under R version 4.0.5library(MASS)FALSE Warning: package 'MASS' was built under R version 4.0.5FALSE
FALSE Attaching package: 'MASS'FALSE The following objects are masked from 'package:raster':
FALSE
FALSE area, selectFALSE The following object is masked from 'package:dplyr':
FALSE
FALSE selectlibrary(dplyr)
library(tidyverse)5.1 Localización del área de estudio
5.1.1 Histograma de la acumulación de incendios a lo largo del tiempo
## Reading layer `registro_incendios_2000_2018' from data source
## `C:\Users\51937\Desktop\UNMSM\CICLO VII\TELEDETECCIÓN\Fires\Materiales\registro_incendios_2000_2018.gpkg'
## using driver `GPKG'
## Simple feature collection with 3784 features and 27 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -80.86661 ymin: -16.789 xmax: -68.92597 ymax: -3.758855
## Geodetic CRS: WGS 84## Date nfires
## 1 2000-08-01 2
## 2 2000-09-01 NA
## 3 2000-10-01 NA
## 4 2000-11-01 241
## 5 2000-12-01 95
## 6 2001-01-01 NA
## 7 2001-02-01 NA
## 8 2001-03-01 NA
## 9 2001-04-01 NA
## 10 2001-05-01 NA
## 11 2001-06-01 NA
## 12 2001-07-01 NA
## 13 2001-08-01 NA
## 14 2001-09-01 NA
## 15 2001-10-01 NA
## 16 2001-11-01 NA
## 17 2001-12-01 NA
## 18 2002-01-01 1
## 19 2002-02-01 NA
## 20 2002-03-01 NA
## 21 2002-04-01 NA
## 22 2002-05-01 NA
## 23 2002-06-01 NA
## 24 2002-07-01 NA
## 25 2002-08-01 5
## 26 2002-09-01 2
## 27 2002-10-01 11
## 28 2002-11-01 1
## 29 2002-12-01 1
## 30 2003-01-01 NA
## 31 2003-02-01 13
## 32 2003-03-01 2
## 33 2003-04-01 NA
## 34 2003-05-01 NA
## 35 2003-06-01 NA
## 36 2003-07-01 5
## 37 2003-08-01 16
## 38 2003-09-01 16
## 39 2003-10-01 16
## 40 2003-11-01 53
## 41 2003-12-01 4
## 42 2004-01-01 37
## 43 2004-02-01 NA
## 44 2004-03-01 NA
## 45 2004-04-01 NA
## 46 2004-05-01 1
## 47 2004-06-01 1
## 48 2004-07-01 4
## 49 2004-08-01 8
## 50 2004-09-01 3
## 51 2004-10-01 9
## 52 2004-11-01 2
## 53 2004-12-01 NA
## 54 2005-01-01 NA
## 55 2005-02-01 NA
## 56 2005-03-01 NA
## 57 2005-04-01 NA
## 58 2005-05-01 NA
## 59 2005-06-01 4
## 60 2005-07-01 135
## 61 2005-08-01 287
## 62 2005-09-01 161
## 63 2005-10-01 8
## 64 2005-11-01 129
## 65 2005-12-01 13
## 66 2006-01-01 1
## 67 2006-02-01 NA
## 68 2006-03-01 NA
## 69 2006-04-01 NA
## 70 2006-05-01 2
## 71 2006-06-01 NA
## 72 2006-07-01 12
## 73 2006-08-01 14
## 74 2006-09-01 66
## 75 2006-10-01 142
## 76 2006-11-01 52
## 77 2006-12-01 1
## 78 2007-01-01 NA
## 79 2007-02-01 NA
## 80 2007-03-01 NA
## 81 2007-04-01 NA
## 82 2007-05-01 NA
## 83 2007-06-01 2
## 84 2007-07-01 2
## 85 2007-08-01 14
## 86 2007-09-01 10
## 87 2007-10-01 40
## 88 2007-11-01 2
## 89 2007-12-01 NA
## 90 2008-01-01 1
## 91 2008-02-01 NA
## 92 2008-03-01 NA
## 93 2008-04-01 NA
## 94 2008-05-01 NA
## 95 2008-06-01 1
## 96 2008-07-01 2
## 97 2008-08-01 12
## 98 2008-09-01 49
## 99 2008-10-01 28
## 100 2008-11-01 12
## 101 2008-12-01 2
## 102 2009-01-01 NA
## 103 2009-02-01 NA
## 104 2009-03-01 NA
## 105 2009-04-01 NA
## 106 2009-05-01 1
## 107 2009-06-01 2
## 108 2009-07-01 1
## 109 2009-08-01 21
## 110 2009-09-01 28
## 111 2009-10-01 17
## 112 2009-11-01 4
## 113 2009-12-01 7
## 114 2010-01-01 NA
## 115 2010-02-01 1
## 116 2010-03-01 NA
## 117 2010-04-01 NA
## 118 2010-05-01 NA
## 119 2010-06-01 2
## 120 2010-07-01 5
## 121 2010-08-01 175
## 122 2010-09-01 69
## 123 2010-10-01 55
## 124 2010-11-01 28
## 125 2010-12-01 NA
## 126 2011-01-01 NA
## 127 2011-02-01 NA
## 128 2011-03-01 NA
## 129 2011-04-01 1
## 130 2011-05-01 NA
## 131 2011-06-01 NA
## 132 2011-07-01 5
## 133 2011-08-01 41
## 134 2011-09-01 3
## 135 2011-10-01 7
## 136 2011-11-01 10
## 137 2011-12-01 NA
## 138 2012-01-01 NA
## 139 2012-02-01 NA
## 140 2012-03-01 NA
## 141 2012-04-01 NA
## 142 2012-05-01 1
## 143 2012-06-01 NA
## 144 2012-07-01 4
## 145 2012-08-01 19
## 146 2012-09-01 59
## 147 2012-10-01 27
## 148 2012-11-01 3
## 149 2012-12-01 NA
## 150 2013-01-01 NA
## 151 2013-02-01 NA
## 152 2013-03-01 NA
## 153 2013-04-01 NA
## 154 2013-05-01 NA
## 155 2013-06-01 2
## 156 2013-07-01 6
## 157 2013-08-01 44
## 158 2013-09-01 58
## 159 2013-10-01 31
## 160 2013-11-01 7
## 161 2013-12-01 NA
## 162 2014-01-01 NA
## 163 2014-02-01 NA
## 164 2014-03-01 NA
## 165 2014-04-01 NA
## 166 2014-05-01 1
## 167 2014-06-01 1
## 168 2014-07-01 5
## 169 2014-08-01 54
## 170 2014-09-01 40
## 171 2014-10-01 4
## 172 2014-11-01 1
## 173 2014-12-01 NA
## 174 2015-01-01 NA
## 175 2015-02-01 NA
## 176 2015-03-01 NA
## 177 2015-04-01 NA
## 178 2015-05-01 1
## 179 2015-06-01 NA
## 180 2015-07-01 NA
## 181 2015-08-01 17
## 182 2015-09-01 17
## 183 2015-10-01 49
## 184 2015-11-01 8
## 185 2015-12-01 19
## 186 2016-01-01 1
## 187 2016-02-01 NA
## 188 2016-03-01 NA
## 189 2016-04-01 NA
## 190 2016-05-01 2
## 191 2016-06-01 6
## 192 2016-07-01 128
## 193 2016-08-01 72
## 194 2016-09-01 119
## 195 2016-10-01 19
## 196 2016-11-01 422
## 197 2016-12-01 NA
## 198 2017-01-01 NA
## 199 2017-02-01 NA
## 200 2017-03-01 NA
## 201 2017-04-01 NA
## 202 2017-05-01 NA
## 203 2017-06-01 1
## 204 2017-07-01 5
## 205 2017-08-01 25
## 206 2017-09-01 6
## 207 2017-10-01 43
## 208 2017-11-01 37
## 209 2017-12-01 NA
## 210 2018-01-01 3
## 211 2018-02-01 2
## 212 2018-03-01 1
## 213 2018-04-01 4
## 214 2018-05-01 NA
## 215 2018-06-01 NA
## 216 2018-07-01 12
## 217 2018-08-01 18
## 218 2018-09-01 101
## 219 2018-10-01 18
## 220 2018-11-01 8
## 221 2018-12-01 17## Warning: Removed 97 rows containing missing values (position_stack).
5.1.2 Estimación de densidad de probabilidad 2D
Se estima la función de densidad de probabilidad para calcular en porcentaje la posibilidad de ocurrencia de incendios para cada pixel, clusterizando las regiones con mayor probabilidad por sobre un umbral definido, además se muestra la región a partir de la cual se basará nuestros graficos de análisis posteriores
fires <- st_read(shp)## Reading layer `registro_incendios_2000_2018' from data source
## `C:\Users\51937\Desktop\UNMSM\CICLO VII\TELEDETECCIÓN\Fires\Materiales\registro_incendios_2000_2018.gpkg'
## using driver `GPKG'
## Simple feature collection with 3784 features and 27 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -80.86661 ymin: -16.789 xmax: -68.92597 ymax: -3.758855
## Geodetic CRS: WGS 84peru <- read_sf('Materiales/Peru.gpkg')
Departamentos <- st_read('Materiales/Departamentos.gpkg')## Reading layer `Departamentos' from data source
## `C:\Users\51937\Desktop\UNMSM\CICLO VII\TELEDETECCIÓN\Fires\Materiales\Departamentos.gpkg'
## using driver `GPKG'
## Simple feature collection with 25 features and 4 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -81.32823 ymin: -18.35093 xmax: -68.65228 ymax: -0.03860597
## Geodetic CRS: WGS 84# Extracción de coordenadas de los puntos
fires_df <- st_coordinates(fires) %>% as.data.frame()
names(fires_df) <- c('lon','lat')#here
# Aplicación de la estimación
kde <- kde2d(fires_df$lon, fires_df$lat, n = 250, h = .5, lims = c(-86, -65, -19, 0))
kde_raster <- kde %>% raster() %>% crop(peru) %>% mask(peru)
# image(kde)
# plot(peru, add = T, col = NA)
# Convirtiendolo a raster:
#
# kde_raster <- kde %>% raster()
# kde_raster[kde_raster < 0.05] = NA
# kde_raster[kde_raster >= 0.05] = 1
# writeRaster(kde_raster, 'raster2.tif')
# summary(kde_raster %>% getValues() %>% as_vector())
# Mapa con leaflet
# pal <- colorNumeric(c("#0C2C84", "#41B6C4", "#FFFFCC"), values(kde_raster ), na.color = "transparent")
pal <- colorNumeric(c("#3182bd", "#fec44f", "#f03b20"), values(kde_raster), na.color ="transparent")
leaflet() %>%
addTiles() %>%
addRasterImage(kde_raster, colors = pal) %>%
addLegend(pal = pal, values = values(kde_raster),title = "% Incendios") %>%
addPolygons(data = Departamentos,
fillOpacity = 0,
weight = 2,
opacity = 1,
label = ~DEPARTAMEN,
color = "#000000",
group = "Departamentos")## Warning in showSRID(uprojargs, format = "PROJ", multiline = "NO", prefer_proj =
## prefer_proj): Discarded ellps WGS 84 in Proj4 definition: +proj=merc +a=6378137
## +b=6378137 +lat_ts=0 +lon_0=0 +x_0=0 +y_0=0 +k=1 +units=m +nadgrids=@null
## +wktext +no_defs +type=crs## Warning in showSRID(uprojargs, format = "PROJ", multiline = "NO", prefer_proj =
## prefer_proj): Discarded datum World Geodetic System 1984 in Proj4 definition## Warning in showSRID(uprojargs, format = "PROJ", multiline = "NO", prefer_proj =
## prefer_proj): Discarded ellps WGS 84 in Proj4 definition: +proj=merc +a=6378137
## +b=6378137 +lat_ts=0 +lon_0=0 +x_0=0 +y_0=0 +k=1 +units=m +nadgrids=@null
## +wktext +no_defs +type=crs## Warning in showSRID(uprojargs, format = "PROJ", multiline = "NO", prefer_proj =
## prefer_proj): Discarded datum World Geodetic System 1984 in Proj4 definition## Warning in colors(.): Some values were outside the color scale and will be
## treated as NA